结合增量学习的物体抓取检测框架 |
| |
引用本文: | 戚宗城,陈俊洪,杨振国,刘文印.结合增量学习的物体抓取检测框架[J].小型微型计算机系统,2023(8):1750-1757. |
| |
作者姓名: | 戚宗城 陈俊洪 杨振国 刘文印 |
| |
作者单位: | 广东工业大学计算机学院 |
| |
基金项目: | 国家自然科学基金项目(91748107,61902077)资助;;广东省基础与应用基础研究基金项目(2020A1515010616)资助; |
| |
摘 要: | 为了解决未知类别物体的抓取问题,提出了一种结合增量学习的物体抓取检测框架,该框架分为抓取学习和增量学习两个阶段.在第1阶段,对已知的物体使用密集注意力网络进行训练,该网络利用注意力机制对特征通道和密集残差连接之间的关系进行建模.在第2阶段,引入了聚类优先样本选择策略,该策略会挑选出那些与其聚类质心距离相近的样本,用这些新样本替换掉示例集中的部分旧样本进行训练.此外在未知类别物体上训练网络时,还引入了蒸馏损失,以保留之前在已知类中学到的知识.通过在Jacquard数据集和UR10e机器人上进行的实验,表明了该方法在抓取未知类别物体方面有一定的可行性和有效性,克服了机器人在抓取未知类别物体上的缺陷.
|
关 键 词: | 抓取检测 增量学习 样本选择策略 注意力机制 机器人抓取 |
|
|